Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar
| dc.contributor.advisor | Bianchi, Reinaldo Augusto da Costa | |
| dc.contributor.author | Kinoshita, J. K. | |
| dc.coverage.area | Inteligência Artificial Aplicada à Automação e Robótica | |
| dc.date.accessioned | 2023-06-08T15:28:14Z | |
| dc.date.available | 2023-06-08T15:28:14Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | Recentemente há um aumento exponencial no uso de técnicas de aprendizado de máquina no mercado financeiro, principalmente para negociação de ações, na tentativa de prever o seu preço futuro. O objetivo desse projeto é desenvolver um sistema de negociação inteligente para o Minicontrato Futuro de Dólar, baseado no uso de aprendizado por reforço, usando o Deep Recurrent Q learning, um modelo de Redes Neurais Convolucionais combinadas com as Redes Neurais Recorrentes. O treinamento foi baseado em uma base da dados históricos do ativo e o agente realizou três ações: comprar, vender, manter o ativo, sempre visando o máximo retorno financeiro. Os experimentos realizados demonstraram que o sistema proposto teve um desempenho melhor do que as estratégias de Buy and Hold, um modelo baseado na Deep Q Network, um Fundo Cambial e uma estratégia baseada no indicador técnico MACD. Palavras-chave: Aprendizado por Reforço Profundo. Redes Neurais Convolucionais. Redes Neurais Recorrentes. Long Short-Term Network. Deep Recurrent Q Network. Mercado Futuro | |
| dc.description.abstract | Recently, there is an exponential increase in the usage of machine learning applied in the financial market, primaly for trade stocks, in an attempt to forecast the movement of their prices. The proposal of this research is developing an intelligent trade system for Mini US Dollar Future, based on Deep Recurrent Q Learning, a model that uses Convolutional Neural Networks combined with Recurrent Neural Networks. The training is based on the historical data from the asset and the agent performs its actions of buy, hold and sell, always aiming the maximum return. The experiments demonstrated that the propose system has had better outcomes than the traditional strategy Buy and Hold, a model based on the Deep q Network, an Exchange Fund and a strategy that utilized the technical indicator MACD as action generator. Keywords: Deep Reinforcement Learning. Convolutional Neural Network. Recurrent Network. Long Short-Term Network. Deep Recurrent Q Network. Future Market | |
| dc.identifier.citation | KINOSHITA, J. K. <b> Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar. </b> 2023. 88 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2023. Disponível em: https://doi.org/10.31414/EE.2023.D.131622. | |
| dc.identifier.doi | https://doi.org/10.31414/EE.2023.D.131622 | |
| dc.identifier.uri | https://repositorio.fei.edu.br/handle/FEI/4843 | |
| dc.language | por | |
| dc.language.iso | pt_BR | |
| dc.publisher | Centro Universitário FEI, São Bernardo do Campo | |
| dc.subject | Redes neurais (Computação) | |
| dc.subject | Aprendizado por reforço | |
| dc.title | Aprendizado por reforço profundo com redes recorrentes aplicado a negociação do minicontrato futuro de dólar | pt_BR |
| dc.type | Dissertação | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1